《数据分析与挖掘实战》笔记之-航空公司客户价值分析（1）
前言：数据分析是帮助企业从数据中洞察商机，提取价值，是现阶段所有企业都关心的问题
项目背景：
面对激烈的市场竞争，各个航空公司都推出更优惠的营销方式来吸引更多的客户，国内某航空公司面临旅客流失、竞争力下降和航空资源未充分利用等经营危机
案例目标：识别客户价值，通过航空公司客户数据识别不同价值的客户
为什么要进行客户价值分析？
为了区分无价值客户、高价值客户，企业针对不同价值的客户制定优化的个性化服务方案，并制定相应的营销策略，将有限的营销资源集中于高价值客户，对不同的客户提供个性化的客户服务，实现企业的利润最大化目标
如何分析客户价值：
分析客户的价值首先想到的是RFM模型，那什么是RFM模型呢？
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标（最近消费时间间隔（Recency）、消费频率（Frequency）和消费金额（Monetary））来描述该客户的价值状况，从而识别出高价值的客户；
但是RFM 模型并不适用所有的场景：
比如航空票价受到运输距离、舱位等级等多种因素影响，例如：一位购买长航线、低等级舱位票的旅客与一位购买短航线、高等级舱的旅客相比，后者对于航空公司的价值可能更高，因此若用RFM模型去分析航空公司客户，得出的结果一定是不准确的
根据航空公司的业务设计对应的分析模型：
我们选择客户在一定时间内累积的飞行里程M和客户在一定时间内乘坐舱位对应的折扣系数的平均值C两个指标代替消费金额，考虑航空公司会员入会时间的长短在一定长度上影响客户价值，所以在模型中增加客户关系长度L，作为区分客户的另一指标
书中将客户关系长度L、消费时间间隔R、消费频率F、飞行里程M和折扣系数的平均值C五个指标作为航空公司识别客户价值指标 记做LRFMC模型
航空公司LRFMC模型
L：会员入会时间距观测窗口结束时间的月数
R：客户最近一次乘坐公司飞机距观测窗口结束的月数
F：客户在观测窗口内乘坐公司飞机的次数
M：客户在观测窗口内累计的飞行里程
C: 客户在观测窗口内乘坐舱位所对应的折扣系数的平均值
本案例采取聚类的方法识别客户价值，通过对航空公司客户价值的LRFMC模型的五个指标进行K-Means聚类，从而识别出最有的价值的客户
航空公司客户价值分析的总体流程如图所示：
航空客运信息挖掘主要包括以下步骤：
1）从航空公司数据源中进行选择性抽取与新增数据抽取分别形成历史数据和增量数据
2）对步骤1中的数据集进行数据探索分析与预处理，包括数据缺失值与异常值的探索分析，数据的属性规约、清洗和变换
3）利用步骤2中形成的已完成数据预处理的建模数据，基于旅客价值LRFMC模型进行客户分群，对各个客户群进行特征分析，识别出有价值的客户
4）针对模型结果得到不同价值的客户，采取不同的营销手段，提供定制化的服务
未完待续......
